특허정보를 활용한 국방 R&D 기술추세 분석：Topic Modeling과 ARM 분석을 중심으로
Defense R&D Technology Trend Analysis Using Patent Information ：Focusing on Topic Modeling and ARM Analysis
0
조회
0
다운로드
9
인용
0
참고문헌
키워드
초록
한국은 국가 R&D 투자 규모에 있어 세계 최고 수준에 이르렀으나 기술분야별 R&D 기획단계에서 기술동향에 대한 객관적 분석보다는 주로 문헌조사, 델파이 기법 등 정성적인 방법을 통해 분석이 진행되어 왔다. 국방 분야의 경우 특히 보안성과 폐쇄성으로 정량적 동향분석에 대한 연구가 거의 이루어지지 않은 실정으로 기존의 선행연구들은 특정 기술에 국한하여 분석되었다. 따라서 본 연구에서는 빅데이터 분석방법을 활용하여 기술정보를 포함하고 있는 특허데이터를 국방기술 분석에 적용하여 분석의 효율성을 제고하고, 기술동향 파악의 정량적 분석 방법론과 프로세스를 제시하고자 하였다. 본 연구에서는 특허 정보에 토픽모델링을 활용하여 국방 R&D의 객관적인 동향분석을 시도하였으며, 이를 수행하기 위하여 국방과학연구소의 20년간의 지적재산권 데이터를 수집한 후 토픽모델링 기법을 활용하여 주요 R&D 분야를 도출하였고, 결과를 바탕으로 시간의 흐름에 따른 기술변화 추세를 살펴보았다. 또한, 도출된 토픽 간 상호연관성에 대해 알아보기 위해 연관규칙 분석(ARM)을 수행하여 어떠한 분야가 함께 연구되고 있는지 확인하고 연결 네트워크를 시각화하였다. 본 연구를 통해 제시된 기술동향과 분석방법이 R&D 기술정책 수립에 효과적으로 활용되기를 기대한다.
Abstract
Korea reached the world’s highest level in terms of national R&D investment, but analysis has been conducted mainly through qualitative methods such as literature research and Delphi techniques rather than objective analysis of technology trends in the R&D planning stage by technology sector. In the case of the defense field, in particular, few studies have been conducted on quantitative trend analysis due to security and closeness, and existing previous studies have been analyzed limited to specific technologies. Therefore, this study attempted to improve the efficiency of analysis by applying patent data containing technical information to defense technology analysis using big data analysis methods and processes for quantitative analysis of technology trends. To carry out this, after collecting patent data from the Agency for Defense Development for 20 years, major R&D fields were derived using topic modeling techniques, and based on the results, the trend of technological change over time was examined. In addition, in order to find out the interrelationship between the derived topics, the association rule mining(ARM) was performed to identify which fields are being studied together and visualize the connection network. It is expected that the technology trends and analysis methods presented through this study will be effectively used to establish R&D technology policies.
참고문헌 (32)
- 강선아, "한국의 방위산업정책 및 방산원가제도에 관한 비교연구：미국․일본 사례를 중심으로", 전산회계연구, 18(2), pp.115~133 (2020), 한국전산회계학회
- 김도경, "내부회계관리제도 취약기업 예측을 위한 데이터마이닝모형의 비교", 전산회계연구, 17(2), pp.37~56 (2019), 한국전산회계학회[DOI]
- 김지은, "빅데이터를 활용한 대학구조개혁 평가의 키워드 및 토픽 분석", 박사, pp.2017
- 박진희, "특허기술 고객충성도에 대한 기계학습 예측모델링 연구", 전산회계연구, 17(1), pp.1~19 (2019), 한국전산회계학회[DOI]
- 백성호, "기술전략 수립을 위한 기술 군집화 기반의 특허분석 기법 연구：국방 통신·전자 분야를 중심으로", 석사, pp.2019
- 서성훈, "BM 특허 토픽모델링을 이용한 핀테크 기술동향 분석", 석사, pp.2015
- 손창호, "데이터마이닝을 통한 방위산업기술 분석 연구: 특허분석을 중심으로", 한국산학기술학회논문지, 19(10), pp.101~107 (2018), 한국산학기술학회[DOI]
- 설현주, "특허 정보를 이용한 중요기술 파악", 고려대학교 산업개발연구소, 30(2) (2007)
- 설현주, "군사학 학문연구 동향 탐색: 한국군사학논총 논문 분석을 중심으로", 한국군사학논총, 8(2), pp.213~232 (2019), 미래군사학회
- 이가영, "『경제연구』 텍스트 마이닝 분석을 통한 북한 경제정책 변화 연구", 박사, pp.2020
- 이기헌, "문헌정보학 분야 핵심 학술지들의 가중 주제 - 방법 네트워크 분석", 한국문헌정보학회지, 49(3), pp.457~488 (2015), 한국문헌정보학회[DOI]
- 이수상, "피인용 최상위 학술논문의 서지적 특성에 관한 연구 - 국내 사회과학 분야를 대상으로 -", 한국도서관·정보학회지, 49(4), pp.53~71 (2018), 한국도서관·정보학회[DOI]
- 이주연, "논문 및 특허데이터를 활용한 태양광 에너지 기술 동향 연구：LDA 알고리즘중심으로", 석사, pp.2017
- 임상우, "HOQ와 특허정보를 이용한 PSS 설계 프레임워크 개발：증강현실－ HMD 사례연구", 석사, pp.2017
- 임현우, "특허 빅데이터 군집분석을 통한 항공보안 미래기술 예측", 한국항공경영학회지, 15(5), pp.43~63 (2017), 한국항공경영학회
- 전고운, "토픽모델링 기반의 국방기술 동향분석 방안 : 장갑전투차량에의 적용", 산업혁신연구, 36(1), pp.69~94 (2020), 산업개발연구소[DOI]
- 채호근, "국내외 특허 데이터 분석을 통한 금융보안 분야 주요 기술 동향 분석연구", 디지털융복합연구, 18(6), pp.53~63 (2020), 한국디지털정책학회[DOI]
- 최유리, "특허정보를 이용한 산업별 안전기술개발 동향 분석", 석사, pp.2020
- 국방기술품질원, "국가별 국방과학기술 수준조사서", ~ (2018)
- 2020년도 정부연구개발 투자방향 및 기준, "과학기술정보통신부", ~ (2015)
- 우리나라 국방 R&D 혁신을 위한 이슈 진단과 개선방향, "한국과학기술평가원", 278~ (2019)
- 2019년 국가연구개발사업 집행현황, "한국과학기술평가원", ~ (2020)
- Agrawal, "Mining Association Rules Between Sets of Items in Large Databases", SIGMOD Conference, ACM SIGMOD Record, 22(2), pp.207~216 (1993)
- Agrawal, R., "Fast Algorithms for Mining Association Rules in Large Databases", Proceedings of the 20th International Conference on Very Large Data Bases, 12(15), pp.487~499 (1994)
- Agrawal, "The Beckman Report on Database Research", ACM SIGMOD Record, 43(3), pp.61~70 (2014)
- Blei, D. M, "Latent Dirichlet Allocation", The Journal of Machine Learning Research, 3, pp.993~1022 (2003)
- Blei, D. M., "Probabilistic Topic Models", Communications of the ACM, 55(4), pp.77~84 (2012)
- B. Grun, "Topicmodels：An R package for Fitting Topic Models", Journal of Statistical Software, 40(13), pp.1~30 (2011)
- David, M., "Topic Models Conditioned on Arbitrary Features with Dirichlet－Multinomial Regression", UAI’08：Proceedings of the Twenty－Fourth Conference on Uncertainty in Artificial Intelligence, pp.411~418 (2008)
- Rakesh, A., "Association Rules Between Sets of Items in Large Databases", ACM SIGMOD Record, 22(2) (1993)
- T. L. Griffiths, "Finding Scientific Topics", Proceedings of the National Academy of Sciences, 101(1), pp.5228~5235 (2004)